面向动态导航的城市路网实时交通信息服务系统研究

结合国内外的研究现状，基于实时GPS数据和高架线圈检测数据的数据融合处理技术，给出了面向动态导航的实时交通信息服务系统的总体框架，实现了城市路网的实时交通流状态估计；通过构建实时交通信息系统，借助无线通讯方式为车辆提供实时交通信息和动态路径规划服务，实现了在动态路径规划基础上的车辆动态导航。     

基于公路收费站的公路交通调查优化方法

交通调查是进行交通规划、交通设施建设、交通控制与管理以及交通流研究的基础,也为科学的决策提供依据。在分析收费站设置和交通调查点设置的对偶关系的基础上,提出将交通调查点和公路收费站相结合,建立依托收费站的数据采集系统来进行交通调查,并在大的范围内建立一个数据处理平台,处理交通流参数,研究其时间和空间分布特征。这将大大节省交通调查所需的人力、物力,节约资源,同时,数据的精确程度也会进一步提高。     

智慧交通框架下的城市公交管理与规划决策支持系统研究

在智慧交通框架下,如何充分利用信息化手段,提高公共交通的规划决策和建设管理水平,是亟待解决的一个重大问题。通过整合交通地理信息、公共交通出行信息,建设实现公交查询、评估、规划及客流预测为一体的管理与规划决策支持系统,为城市创建"公交都市"提供强有力的信息技术支持。     

出租车轨迹数据在综合交通调查中的应用方法

出租车轨迹数据是综合交通调查中重要的信息化数据来源,能应用在包括出租车调查、车速调查等多项交通调查工作中。本文系统梳理了出租车轨迹数据在综合交通调查中的应用场景、应用要求,设计了出租车轨迹数据的分析框架和处理流程,重点介绍了“相邻定位点最短路径匹配”的地图匹配计算方法。以某市为例,介绍了出租车轨迹数据在该市综合交通调查中的应用和现状特征结论,相关分析起到了完成交通调查、支持交通规划任务的效果。     

基于粒度计算的交通管理决策支持

将粒度计算理论运用于交通管理决策支持,给出了交通信息颗粒及其粒度的定义,并建立了基于粒度计算的交通管理决策逻辑框架.以一个示例路网探讨了交通流信息颗粒的构造方法及其粒度层次,验证了粒度计算可以整合现有交通信息处理方法,并满足交通管理决策需要.     

GIS在交通规划中的应用探讨

论述地理信息系统(GIS)在交通规划领域的应用前景,将传统的交通规划模型与GIS相结合,有利于交通数据的分析处理和交通规划方案的综合评价,对于解决交通规划和管理中的实际问题有很大帮助,也是未来交通规划方法的发展方向。     

基于后悔理论的社交网络分享型交通信息的用户价值研究

以社交网络为平台的交通信息对出行者的决策有重要影响.为了研究社交网络分享型交通信息的用户价值,分析了社交网络中交通信息的产生与传播行为,并从信息行为的角度研究了社交网络中交通信息的特征.基于后悔理论建立了社交网络交通信息的用户价值评估模型,并给出出行者的路径选择效用以及交通信息的更新方法.在此基础上,从交通信息有效性与负效用的角度分析了社交网络交通信息的用户价值特征.基于不同的网络信息传播场景,对其中交通信息的用户价值进行了分析.结果表明,社交网络中的交通信息能够对出行者的决策起到辅助作用,在有效场景中出行者决策的后悔值降低了20%;但用户价值随其在社交网络中的持续传播而降低,且过度传播的交通信息将对出行者决策产生负效应.      

基于GIS的区域公路网管理系统设计

利用GIS技术，通过交通信息采集系统，建立基础地理信息数据库和公路交通信息数据库，生成动态电子地图系统，开发出区域公路网管理信息系统，实现对交通信息分析结果的可视化输出，从而为公路交通管理部门和规划部门提供准确、直观的决策信息。     

RFID在道路交通信息实时采集系统中的应用

为实现城市道路路段及交叉路口的交通流量统计、行驶机动车辆监管、交通拥堵状况缓解,提出采用非接触式、自动化识别、双向通信射频识别(RFID)技术对路网上的行驶车辆进行实时信息采集和数据信息交互,并结合物联网无线传感网络技术,将获取的信息发送到后台信息处理中心,再将数据信息通过全球定位系统或交通诱导信息系统提供给交通参与者,使其合理选择最优路径,快速、准确地到达目的地。研究结果表明,RFID技术应用于实时动态交通信息采集比较可行。将RFID技术与物联网技术相结合并应用于智能交通,可为智能交通物联网的发展和实现提供一定的思路。     

基于多影响因素RDMA*算法的无人驾驶动态路径规划

无人驾驶汽车的路径规划面临着复杂多变的交通环境,为了更全面的评价路径选择指标以规划更合理的路径,以及更好的解决路段环境动态变化对规划结果造成的影响,研究了一种考虑多影响因素的动态路径规划算法——RDMA*(Real-time Dynamics of Multiple influencing factors AStar)算法.以A*(AStar)算法为核心,通过加入多影响因素的交通评价因子对其代价函数进行改进,综合考虑距离,交通拥堵程度,道路平整度和其他影响因素,应用层次分析法确定各影响因素的相对权重,以综合代价值为评价指标进行路径规划.通过GPS,雷达和摄像头等设备,利用融合感知技术获取相关道路环境信息,根据获取的全局和局部交通环境数据信息,利用实时动态更新策略解决动态环境下的路径规划问题,实时规划最优路径.通过对实际案例进行模拟,结果表明,应用RDMA*方法规划的路径相比基础A*方法规划的路径出行总体耗时减少了15.75%.并且在遇到特殊事件的状况下,通过RDMA*动态规划可为无人驾驶车辆即时提供一条综合代价值最小,耗时最少的可行路径,与改进的A*动态路径规划方法相比减少了10.63%的二次规划综合代价值的损耗,提高了7.83%的时间效率.该方法能更好的适应复杂的道路和交通系统,即时应对动态变化的交通状况,具备更强的实用性.